AI 缺陷识别

这个项目本质上是一套面向涤纶丝盘生产质量控制的AI视觉缺陷检测方案。
在涤纶丝盘生产过程中，产品表面尤其是弧面可能出现各种异常缺陷。传统生产现场主要依赖人工进行外观检查，但是人工检测存在三个比较明显的问题：检测速度受限、长时间作业容易产生疲劳、不同人员的判断标准存在差异，因此检测结果的一致性和稳定性不足。论文也明确指出，开发自动化涤纶丝盘缺陷检测技术具有实际生产意义。基于改进Yolo11的涤纶丝盘弧面缺陷检测

在这个项目中，我主要负责数据处理、模型改进以及实验验证三个部分。

首先在数据部分，我参与了工业图像的整理和预处理。由于工业相机采集的原始图像分辨率为4024×3036，而YOLO11训练输入尺寸为640×640，如果直接进行整体缩放，会导致一些细小缺陷特征丢失，因此我们采用裁剪方式构建训练数据，同时对缺陷区域进行标注并整理为YOLO格式。

第二部分是模型改进。我主要围绕YOLO11在工业弧面缺陷检测中的问题进行分析，在模型前端加入ADNet进行图像降噪，同时在Neck部分将传统Upsample替换为CARAFE内容感知上采样模块，从输入图像质量和特征上采样两个方向提高模型对细小缺陷和边缘特征的识别能力。

第三部分是模型训练和实验验证。我负责不同模型方案的训练和结果对比，包括原始YOLO11、加入ADNet、加入CARAFE以及ADNet与CARAFE同时加入的消融实验，并通过mAP、模型参数规模等指标分析各模块对最终检测效果的影响。